Python Pandas DataFrame 根据周一至周日的每周定义将每日数据重新采样为一周？

Question

import pandas as pd
import numpy as np

dates = pd.date_range('20141229',periods=14, name='Day')
df = pd.DataFrame({'Sum1': [1667, 1229, 1360, 9232, 8866, 4083, 3671, 10085, 10005, 8730, 10056, 10176, 3792, 3518],
                   'Sum2': [91, 75, 75, 254, 239, 108, 99, 259, 395, 355, 332, 386, 96, 111],
                   'Sum3': [365.95, 398.97, 285.12, 992.17, 1116.57, 512.11, 504.47, 1190.96, 1753.6, 1646.25, 1344.05, 1582.67, 560.95, 736.44],
                   'Sum4': [5, 5, 1, 5, 8, 8, 2, 10, 12, 16, 16, 6, 6, 3]},index=dates); print(df)

生成的 df 如下所示:

             Sum1  Sum2     Sum3  Sum4
Day                                   
2014-12-29   1667    91   365.95     5
2014-12-30   1229    75   398.97     5
2014-12-31   1360    75   285.12     1
2015-01-01   9232   254   992.17     5
2015-01-02   8866   239  1116.57     8
2015-01-03   4083   108   512.11     8
2015-01-04   3671    99   504.47     2
2015-01-05  10085   259  1190.96    10
2015-01-06  10005   395  1753.60    12
2015-01-07   8730   355  1646.25    16
2015-01-08  10056   332  1344.05    16
2015-01-09  10176   386  1582.67     6
2015-01-10   3792    96   560.95     6
2015-01-11   3518   111   736.44     3

假设我对 Dataframe 重新采样以尝试将每日数据汇总到每周行中:

df_resampled = df.resample('W', how='sum', label='left'); print(df_resampled)

这会产生以下内容:

             Sum1  Sum2     Sum3  Sum4
Day                                   
2014-12-28  30108   941  4175.36    34
2015-01-04  56362  1934  8814.92    69

问题 1:我对一周的定义是周一至周日。由于我的数据从 2014-12-29(星期一)开始，我希望我的 Day label 也从那天开始。我如何使 Day index label 成为每个星期一而不是每个星期日的日期？

期望的输出:

             Sum1  Sum2     Sum3  Sum4
Day                                   
2014-12-29  30108   941  4175.36    34
2015-01-05  56362  1934  8814.92    69

关于问题 1，我尝试了什么？

我将 'W' 更改为 'W-MON' 但它通过在 中计算 2014-12-29 产生了 3 行>2014-12-22 这不是我想要的行:

             Sum1  Sum2     Sum3  Sum4
Day                                   
2014-12-22   1667    91   365.95     5
2014-12-29  38526  1109  5000.37    39
2015-01-05  46277  1675  7623.96    59

问题 2:如何将 Day index 标签格式化为看起来像一个范围？例如:

                         Sum1  Sum2     Sum3  Sum4
Day                                   
2014-12-29 - 2015-01-04  30108   941  4175.36    34
2015-01-05 - 2015-01-11  56362  1934  8814.92    69

Answer 1

如果其他人不知道，事实证明每周 Anchored Offsets以结束日期为准。因此，默认情况下，只需重新采样“W”(与“W-SUN”相同)就是周一至周日的样本。列出的日期是结束日期。看这个old bug report其中文档和 API 均未更新。

鉴于您在 resample parameters 中指定了 label='left' ，你一定已经意识到了这个事实。这也是为什么使用“W-MON”没有达到预期效果的原因。令人困惑的是，左边界实际上并不在区间内。

因此，要显示期间的开始日期而不是结束日期，您可以在索引中添加一天。那意味着你会这样做:

df_resampled.index = df_resampled.index + pd.DateOffset(days=1)

为了完整起见，这里是您的原始数据，在开头添加了另一天(星期日)以显示分组确实是星期一到星期日:

import pandas as pd
import numpy as np

dates = pd.date_range('20141228',periods=15, name='Day')
df = pd.DataFrame({'Sum1': [10000, 1667, 1229, 1360, 9232, 8866, 4083, 3671, 10085, 10005, 8730, 10056, 10176, 3792, 3518],
               'Sum2': [10000, 91, 75, 75, 254, 239, 108, 99, 259, 395, 355, 332, 386, 96, 111],
               'Sum3': [10000, 365.95, 398.97, 285.12, 992.17, 1116.57, 512.11, 504.47, 1190.96, 1753.6, 1646.25, 1344.05, 1582.67, 560.95, 736.44],
               'Sum4': [10000, 5, 5, 1, 5, 8, 8, 2, 10, 12, 16, 16, 6, 6, 3]},index=dates);
print(df)
df_resampled = df.resample('W', how='sum', label='left')
df_resampled.index = df_resampled.index - pd.DateOffset(days=1)
print(df_resampled)

这个输出:

             Sum1   Sum2      Sum3   Sum4
Day
2014-12-28  10000  10000  10000.00  10000
2014-12-29   1667     91    365.95      5
2014-12-30   1229     75    398.97      5
2014-12-31   1360     75    285.12      1
2015-01-01   9232    254    992.17      5
2015-01-02   8866    239   1116.57      8
2015-01-03   4083    108    512.11      8
2015-01-04   3671     99    504.47      2
2015-01-05  10085    259   1190.96     10
2015-01-06  10005    395   1753.60     12
2015-01-07   8730    355   1646.25     16
2015-01-08  10056    332   1344.05     16
2015-01-09  10176    386   1582.67      6
2015-01-10   3792     96    560.95      6
2015-01-11   3518    111    736.44      3

             Sum1   Sum2      Sum3   Sum4
Day                                      
2014-12-22  10000  10000  10000.00  10000
2014-12-29  30108    941   4175.36     34
2015-01-05  56362   1934   8814.92     69

我相信这就是您想要的问题 1。

更新

resample() 现在有一个loffset 参数允许您移动标签偏移量。因此，无需修改索引，只需像这样添加 loffset 参数即可:

df.resample('W', how='sum', label='left', loffset=pd.DateOffset(days=1))

另请注意 how=sum 现在已弃用，取而代之的是在 .resample() 的重采样器对象上使用 .sum()返回。因此，完全更新的调用将是:

df_resampled = df.resample('W', label='left', loffset=pd.DateOffset(days=1)).sum()

更新 1.1.0

方便的 loffset 参数从 1.1.0 版本开始被弃用。 documentation表示移位应该在重新采样之后完成。在这种特殊情况下，我相信这意味着这是正确的代码(未经测试):

from pandas.tseries.frequencies import to_offset
df_resampled = df.resample('W', label='left').sum()
df_resampled.index = df_resampled.index + to_offset(pd.DateOffset(days=1))